本文介紹了美團技術團隊在國際頂會ACL 2025中發表的8篇論文，研究方向覆蓋了生成式檢索算法、多目標偏好對齊訓練、富文本圖像理解、搜索詞推薦、跨語言遷移能力、多模態數學推理、第三人稱任務等技術領域，希望相關研究能給同學們帶來一些幫助或啓發。 ACL是計算語言學和自然語言處理領域最重要的頂級國際會議，由國際計算語言學協會組織，每年舉辦一次。據谷歌學術計算語言學刊物指標顯示，ACL影響力位列第一，是
Meituan-M17 團隊聯合上海交大等機構，分別推出了 OIBench（聚焦高區分度算法題評測）與 CoreCodeBench（聚焦多場景工程級代碼基準）兩大數據集，旨在揭示大模型編程能力真實水平，這兩大數據集已分別在GitHub和Huggingface上進行開源。 當前，大語言模型（LLMs）在編程領域的能力宣稱引人矚目——DeepMind 的 AlphaCode 曾對標人類競技編程選手，O
| 官網鏈接： https://uav-challenge.meituan.com/#links | 報名鏈接： https://wenjuan.meituan.com/survey/5487675 | 瞭解更多報名信息：相約IROS 2025現場！美團第三屆低空經濟智能飛行管理挑戰賽報名開始 IEEE/RSJ 智能機器人與系統國際會議（IROS）自 1988 年創辦以來，已成為全球機器人與智能
近日，美團推出了音頻驅動的多人對話視頻生成框架MultiTalk，並在GitHub上開源，首創L-RoPE綁定技術，通過標籤旋轉位置編碼精準解決多音頻流與人物錯位難題。該框架創新性地採用局部參數訓練+多任務學習策略，在保留複雜動作指令跟隨能力的同時，實現自適應動態人物定位。只需輸入多人音頻流、參考圖像和文本提示，即可生成口型精準同步、肢體自然的交互視頻，可支持影視製作、直播電商等場景的工具升級。
美團信息安全技術團隊核心服務升級JDK 17後，性能與穩定性大幅提升，機器成本降低了10%。高版本JDK與ZGC技術令人驚豔，且Java AI SDK最低支持JDK 17。本文總結了JDK 17的主要特性，然後重點分享了JDK 17+ZGC在安全領域的一些實踐，希望能對大家有所幫助或啓發。 從一句調侃的話 “你發任你發，我用Java 8！” 可以看出，在開發新項目時，Java 8依然是大家的首選。
本文系《可信實驗白皮書》系列的第五篇文章，上一篇我們圍繞隨機輪轉實驗展開，內容主要包括拋硬幣隨機輪轉、完全隨機輪轉、配對隨機輪轉等幾個實驗方法的介紹。本篇我們會介紹準實驗，然後會重點介紹雙重差分法，包括概述、評估原理及美團的一些實踐案例。 準實驗（Quasi-experiment）適用於“實驗設計者”可干預分組，但無法隨機分配實驗單元至實驗組和對照組的場景。經典隨機對照實驗通過隨機分配實驗單元，保
👉更多功能介紹，歡迎移步B站觀看 大家好，今天特別推薦一款由美團技術團隊打造的 AI 編程類產品——NoCode，可以像聊天一樣輕鬆搭建你的專屬網站、遊戲、各種小工具等等，當然還有更多的隱藏功能等你發現，文末我們還準備了互動獎勵，期待跟大家一起，開啓全新的 AI 編程之旅。 很多人以為， NoCode 與其他的 AI 助理一樣，只是簡單的代碼生成器。那就太小看 NoCode 了！NoCode
本文系《可信實驗白皮書》系列的第四篇文章，在上一篇我們將重點介紹隨機對照實驗相關的一些基礎知識，以及提高實驗功效的一些常見方法。本篇我們將圍繞隨機輪轉實驗展開，內容主要包括拋硬幣隨機輪轉、完全隨機輪轉、配對隨機輪轉等幾個實驗的介紹。 備註：本篇排版為圖文混合排版，如果想獲得更好的閲讀體驗，建議訪問「美團技術團隊」知乎官方賬號《可信實驗白皮書系列04：隨機輪轉實驗》。 時間片輪轉實驗（Switchb
本文系《可信實驗白皮書》系列的第三篇文章，第一篇文章我們介紹了為什麼要寫AB實驗白皮書，第二篇文章講解了AB實驗的理論原理及其背後的統計學基礎。本篇我們將重點介紹隨機對照實驗相關的一些基礎知識，以及提高實驗功效的一些常見方法。 備註：本篇排版為圖文混合排版，如果想獲得更好的閲讀體驗，建議訪問「美團技術團隊」知乎官方賬號《可信實驗白皮書系列03：隨機對照實驗》。 在美團到家業務場景中，經常會碰到隨機
在上一篇文章中，我們詳細闡述了AB實驗的概念與其價值，並結合美團的實際情況，探討了AB實驗中常見的挑戰及建設經驗。本篇作為可信實驗白皮書系列的第二章，將重點講解AB實驗的理論原理及其背後的統計學基礎。 2.1 實驗基礎原理概述 AB實驗原理源於統計學中經典的Rubin潛在結果模型（也稱反事實因果推斷框架）。考慮最簡單的情況，當我們想要比較兩個策略的差異以獲得更優策略時。如圖2-1所示，最理想的方案
前言--為什麼要寫AB實驗白皮書？ 增長與優化是企業永恆的主題。面對未知的策略價值，數據驅動的AB實驗已經成為互聯網企業在策略驗證、產品迭代、算法優化、風險控制等方向必備的工具。越來越多的崗位，如數據科學家、算法工程師、產品經理以及運營人員等，要求候選人瞭解AB實驗相關知識。然而，許多從業者由於缺乏有效的學習渠道，對AB實驗的理解仍停留在初級階段，甚至存在一些誤解。我們希望通過系統性地分享和交流A
本文整理自美團技術沙龍第73期《基於領域驅動設計（DDD）的架構演進和實踐》，主要介紹了DDD的核心概念、常見的設計思路，並結合DDD介紹大眾點評交易系統的演進過程，最後做了一些總結和思考。希望這些內容能夠對大家有所幫助或啓發。 1 大眾點評交易業務介紹 本文主要涉及境外出行、商場團購和內容商業化等三類交易業務場景。在大眾點評App裏，在境外城市站有美食、購物、商場、景點、門票、當地玩樂等頻道入口
操作日誌廣泛存在於各個B端和一些C端系統中，比如：客服可以根據工單的操作日誌快速知道哪些人對這個工單做了哪些操作，進而快速地定位問題。操作日誌和系統日誌不一樣，操作日誌必須要做到簡單易懂。所以如何讓操作日誌不和業務邏輯耦合，如何讓操作日誌的內容易於理解，讓操作日誌的接入更加簡單？上面這些都是本文要回答的問題，主要圍繞着如何“優雅”地記錄操作日誌展開描述。 1. 操作日誌的使用場景 系統日誌和操作
CTR模型在互聯網的搜索、推薦、廣告等場景有着廣泛的應用。近年來，隨着深度神經網絡的引入，CTR模型的推理對硬件算力的要求逐漸增加。本文介紹了美團在CTR模型優化的實踐。通過分析模型結構特點，結合GPU硬件架構，我們設計了一系列流程對模型進行定製優化，達到了降低延遲、提高吞吐、節省成本的目標。 1 背景 CTR（Click-Through-Rate）即點擊通過率，是指網絡廣告的點擊到達率，即該廣告
圖數據結構，能夠更好地表徵現實世界。美團業務相對較複雜，存在比較多的圖數據存儲及多跳查詢需求，亟需一種組件來對千億量級圖數據進行管理，海量圖數據的高效存儲和查詢是圖數據庫研究的核心課題。本文介紹了美團在圖數據庫選型及平台建設方面的一些工作。 1 前言 圖數據結構，能夠很自然地表徵現實世界。比如用户、門店、騎手這些實體可以用圖中的點來表示，用户到門店的消費行為、騎手給用户的送餐行為可以用圖中的邊來表
Kafka在美團數據平台的現狀 Kafka出色的I/O優化以及多處異步化設計，相比其他消息隊列系統具有更高的吞吐，同時能夠保證不錯的延遲，十分適合應用在整個大數據生態中。 目前在美團數據平台中，Kafka承擔着數據緩衝和分發的角色。如下圖所示，業務日誌、接入層Nginx日誌或線上DB數據通過數據採集層發送到Kafka，後續數據被用户的實時作業消費、計算，或經過數倉的ODS層用作數倉生產，還有一部分
